做缺陷检测需要注意的三点

缺陷检测是机器学习的一个应用方向。我近期做了一个小的缺陷检测项目，感觉也不是很难，主要注意三点：1、环境模型，即对所有影响检测的环境因素及它们对检测的影响，要建立一个模型，这样才有适应能力，2、正常样本的标准，建立一个严格的正样本标准是基础，3、缺陷的判定规则，因为缺陷的形态是无法穷尽的，所以判定规则要做到全面覆盖有困难，只能边测试边添加，而且设置判定规则的时候要同时考虑误报率、漏报率、检测速度的平衡，多数情况下，漏报率是项目的一个最重要指标。

另外，还有一点非常重要：在整个检测流程中，前面的步骤往往更重要，因为前面一点点误差，会引起后面更大的误差，甚至会导致后续处理的逻辑混乱不堪，甚至完全不能用。当然，处理精度的越高，算法的开发也就更谨慎，需要挖掘更深层次的特征。